從客戶滿意度出發建立呼叫中心質檢評分標準

趙永志

背景：提升客戶滿意度是呼叫中心永恒的話題之一，從大的方面來看，主要是通過優化系統、完善流程、提升座席的服務質量三方面入手。本文主要介紹的是基于統計學理論建立一套與客戶滿意度相關的質檢評分標準。

首先的一個問題是，貴公司的質檢成績同客戶滿意度相關嗎（前提是在所有QC打分標準都一致的情況下）？如果貴公司的客戶滿意度同質檢成績相關，那么恭喜你，此篇文章可以跳過了～

如果不相關，那原因是什么呢？

需要先解決一個問題，我們用什么來衡量相關性？

業內的常規做法是使用質檢成績同客戶滿意度來做相關性檢驗，檢驗使用的是皮爾森相關系數（即Excel里面常用的CORREL函數），這樣的檢驗方法真的正確嗎？

我們先從統計學的角度來看這個問題：

皮爾森相關系數是對于符合正態分布的連續型變量進行的檢驗，即需要對于 N名員工的質檢成績與N名員工的滿意度結果數據進行操作，其中滿意度的數據獲取非常容易，且符合樣本量的需求，但是N名員工的質檢成績是否能夠反應真實水平呢？

畢竟抽查的樣本數量有限，我們來看下《抽樣計算器》的計算結果：

假設呼叫中心的客戶滿意度為90%，那么歷史缺陷比為10%；22個工作日，每日接線80通，一個月的樣本量為：22×80=1760，計算得到需要抽查的樣本量為315通（具體數據見表1）。

會有呼叫中心每個月對于座席的錄音抽取超過315通嗎？

根據業內水平，一個座席一個月能被抽到20通錄音已經非常高了！

統計學結論：通過抽查計算的質檢分數并不能代表員工的實際質檢成績，那怎么能讓你的質檢成績和員工滿意度相關呢？

問題隨之而來，究竟如何判定質檢成績和客戶滿意度的相關性？我們的質檢標準究竟是不是和客戶的實際需求相關？

其實操作很簡單：我們引入單通錄音評分和單通錄音客戶滿意度的相關性，即使用Logistic回歸分析方式對于N列離散數據計算其相關性。

單通錄音打分表示例如表2。

那我們的這個打分表和客戶評價的滿意度的相關性是多少呢？

我們來使用JMP軟件中的Logistic分析操作，得出W檢驗數據如圖1。

可以看出圖1中的三個評分標準與客戶滿意度的卡方值非常高，且P值低于0.005，表明此標準與客戶滿意度相關。

同時我們也可以使用 JMP中特有的“刻畫器”工具來進行預估，即我們能夠清楚地知道這三項的質檢成績對于滿意度的影響情況。

如果這三項都得1分的情況下，客戶的不滿意度為3%（如圖2）。如果這三項都得0.7分的情況下，客戶的不滿意度為32%（如圖3）。（以上數據結論是基于200通錄音打分后的結果）

我們已經找到評估質檢標準同客戶滿意度相關性的計算模型了，相信你現在一定迫不及待要看看自己公司的打分表是否和客戶滿意度相關，很遺憾地告訴你，不出意外的話，你們的質檢標準會和客戶滿意度相關性很差，為什么？

我們從業務的角度來看這個問題：

質檢評分標準很多東西都是公司要求的，例如稱呼客戶姓氏、要確認客戶問題、語速適中語調上揚等等，更不用說后臺的CRM錄入、流程的執行（客戶是不會關心公司的流程的）、工單派發準確率等等了，但是也別灰心，通過這個方式，如果能夠找到2～3個打分標準有較高的相關性就已經非常好了！舉例（如圖4）。

以上內容希望對大家制定服務中心質檢評分標準有所幫助。